Mạng chuyển tiếp vô tuyến nhận thức có thu thập năng lượng

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA - NGUYỄN ĐƠN MẠNG CHUYỂN TIẾP VƠ TUYẾN NHẬN THỨC CĨ THU THẬP NĂNG LƯỢNG COGNITIVE RELAY SYSTEMS WITH WIRELESS ENERGY HARVESTING Chuyên ngành: KỸ THUẬT VIỄN THÔNG Mã số: 8520208 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 01 năm 2021 Cơng trình hồn thành tại: Trường Đại học Bách Khoa – ĐHQG-HCM Cán hướng dẫn khoa học: PGS.TS HÀ HOÀNG KHA Cán chấm nhận xét : TS NGUYỄN ĐÌNH LONG (Trường Đại học Đồng Nai) Cán chấm nhận xét : PGS.TS PHẠM HỒNG LIÊN (Trường Đại học Sư phạm Kỹ thuật TP.HCM) Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG TP.HCM ngày 20 tháng 01 năm 2021 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: GS.TS LÊ TIẾN THƯỜNG (Chủ tịch) TS VÕ QUẾ SƠN (Thư ký) TS NGUYỄN ĐÌNH LONG (Phản biện 1) PGS.TS PHẠM HỒNG LIÊN (Phản biện 2) PGS.TS ĐỖ HỒNG TUẤN (Ủy viên) Xác nhận Chủ tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Đôn MSHV:1870329 Ngày, tháng, năm sinh: 27/04/1995 Nơi sinh: Khánh Hồ Chun ngành: Kỹ thuật viễn thơng Mã số : 8520208 I TÊN ĐỀ TÀI: Tiếng Việt : Mạng chuyển tiếp vô tuyến nhận thức có thu thập lượng Tiếng Anh : Cognitive Relay Systems with Wireless Energy Harvesting II NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu mạng chuyển tiếp vơ tuyến nhận thức có thu thập lượng Phát triển giải thuật tối ưu hoá tốc độ bit người dùng Xây dựng chương trình mơ đánh giá kết giải thuật tối ưu III NGÀY GIAO NHIỆM VỤ : 21/09/2020 IV NGÀY HOÀN THÀNH NHIỆM VỤ: 03/01/2021 V CÁN BỘ HƯỚNG DẪN: PGS.TS Hà Hoàng Kha Tp HCM, ngày 09 tháng 08 năm 2020 CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên chữ ký) TRƯỞNG KHOA….……… (Họ tên chữ ký) Ghi chú: Học viên phải đóng tờ nhiệm vụ vào trang tập thuyết minh LV LỜI CẢM ƠN Trong trình nghiên cứu hồn thành luận văn, Học viên nhận định hướng, giúp đỡ, ý kiến đóng góp quý báu lời động viên nhà khoa học, thầy cô giáo, đồng nghiệp gia đình Trước hết, Học viên xin bày tỏ lời cảm ơn tới thầy PGS.TS Hà Hồng Kha tận tình hướng dẫn giúp đỡ trình nghiên cứu Thầy truyền thụ kiến thức kinh nghiệm lĩnh vực xử lý số tín hiệu, tốn tối ưu trí tuệ nhân tạo ngành điện tử-viễn thông Những kiến thức kinh nghiệm tạo nên niềm cảm hứng cho học viên trình vận dụng kiến thức để giải vấn đề khoa học sống cách tối ưu Cho phép Học viên chân thành cảm ơn thầy cô trường Đại học Bách Khoa TPHCM có góp ý quan trọng quý báu cho Học viên trình thực luận văn Cuối Học viên bày tỏ lời cảm ơn tới đồng nghiệp, gia đình, bạn bè động viên, chia sẻ, ủng hộ giúp đỡ Học viên vượt qua khó khăn để đạt kết nghiên cứu luận văn Nguyễn Đơn i TĨM TẮT LUẬN VĂN THẠC SĨ Sự phát triển mạnh mẽ hệ thống mạng di động, đặc biệt mạng 5G, làm cho số lượng trạm gốc thiết bị vô tuyến tăng nhanh chóng Lưu lượng di động từ trạm gốc thiết bị di động gia tăng nhanh năm gần Sự gia tăng đáng kể lưu lượng di động làm cho nhà thiết kế phải quan tâm đến vấn đề sử dụng hiệu nguồn tài nguyên tần số, tăng hiệu suất lượng tăng độ tin cậy thông tin vô tuyến Công nghệ vô tuyến nhận thức đời cho phép trạm gốc thiết bị vô tuyến tái sử dụng tài nguyên tần số cho hiệu quả, bên cạnh kỹ thuật chuyển tiếp cho phép mở rộng phạm vi truyền sóng tăng độ tin cậy liệu, kỹ thuật thu thập lượng giúp kéo dài thời gian hoạt động thiết bị, qua giúp cải thiện tốc độ liệu hiệu suất lượng mạng di động Do đó, luận văn nghiên cứu Mạng chuyển tiếp vô tuyến nhận thức có thu thập lượng Luận văn tập trung thiết kế khối tiền mã hóa trạm gốc khối tiền mã hóa nút chuyển tiếp nhằm cực đại hoá tốc độ bit người dùng mạng chuyển tiếp vơ tuyến nhận thức có thu thập lượng với điều kiện ràng buộc ràng buộc cho trước Bài toán tối ưu hệ thống xây dựng tốn tối ưu phi tuyến, khơng lồi nên khó để đưa lời giải xác lý thuyết tối ưu lồi Do đó, luận văn phát triển giải thuật dựa vào hành vi bầy đàn để giải toán phức tạp này, giải thuật dựa vào hành vi bầy đàn sử dụng giải thuật cá voi săn mồi tối ưu Cuối cùng, luận văn thực mô với số liệu cụ thể để kiểm chứng đánh giá hiệu Mạng chuyển tiếp vô tuyến nhận thức có thu thập lượng ii ABSTRACT The significant development in mobile networks, especially 5G wireless networks, has resulted in a rapid increase in the number of base stations and wireless equipment in wireless communication systems Mobile traffic generated from base stations and mobile devices is significantly increasing in recent years The rapid growth of mobile traffic has made the network designers considering the solutions for efficiently reusing frequency resource, improving the energy efficiency and increasing the reliability of wireless information The cognitive radio technologies allow the base stations and the wireless devices to reuse the frequency resources efficiently while the relay technologies allow to expand the transmission range and increase the data reliability, and the energy harvesting helps extend the life time for telecommunication devices, thereby helping to improve the channel capacity and the energy efficiency performance in mobile networks Therefore, the master thesis studies on Cognitive relay systems with wireless energy harvesting The master thesis focuses on the design of the precoders at the base station and the precoders at the relay node to maximize the channel capacity of users in the cognitive relay systems with wireless energy harvesting while the optimal solution must satisfy the given system constraints The system optimization problems are nonlinear and non-convex optimization and, thus, it is difficult to provide a globally optimal solution by the convex optimization theories Therefore, the master thesis has developed a new algorithm based on swarm-based algorithms to solve these complex problems The new algorithm based on swarm-based algorithms is the whale optimization algorithm Finally, the master thesis conducted numerical simulations with specific models to verify and evaluate the performance of cognitive relay systems with wireless energy harvesting iii LỜI CAM ĐOAN Tôi xin cam đoan kết trình bày luận văn cơng trình nghiên cứu hướng dẫn cán hướng dẫn Các liệu, kết trình bày luận văn hoàn toàn trung thực chưa cơng bố cơng trình trước Các liệu tham khảo trích dẫn đầy đủ Tơi xin hồn tồn chịu trách nhiệm cơng trình TP Hồ Chí Minh, Ngày 20 tháng năm 2021 Nguyễn Đôn iv MỤC LỤC LỜI CẢM ƠN i TÓM TẮT LUẬN VĂN THẠC SĨ ii LỜI CAM ĐOAN iv MỤC LỤC v DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT viii DANH MỤC CÁC HÌNH VẼ xi DANH MỤC CÁC BẢNG BIỂU xii CHƯƠNG 1.GIỚI THIỆU TỔNG QUAN 1.1 Giới thiệu lưu lượng di động 5G 1.1.1 Tổng quan lưu lượng di động 1.1.2 Dự báo tăng trưởng liệu di động 1.2 Tổng quan sử dụng lượng 1.2.1 Trạm gốc - Base stations 1.2.2 Thiết bị đầu cuối 1.3 Tính cấp thiết lý chọn đề tài nghiên cứu 10 1.3.1 Tính cấp thiết 10 1.3.2 Lý chọn đề tài 11 1.4 Mục tiêu nội dung nghiên cứu 11 1.5 Đối tượng phạm vi nghiên cứu 12 1.6 Phương pháp nghiên cứu 13 1.7 Cấu trúc luận văn 13 1.8 Kết luận 14 CHƯƠNG 2.CƠ SỞ LÝ THUYẾT 15 2.1 Mạng vô tuyến nhận thức 15 2.1.1 Khái niệm vô tuyến nhận thức 15 2.1.2 Mơ hình mạng vơ tuyến nhận thức 16 2.2 Hệ thống truyền thông tin phát công suất đồng thời 18 v 2.2.1 Kỹ thuật chuyển mạch theo thời gian-Time Switching (TS) 20 2.2.2 Kỹ thuật chia công suất-Power Splitting (PS) 20 2.2.3 Kỹ thuật chuyển mạch Anten-Antenna Switching (AS) 21 2.2.4 Kỹ thuật chuyển mạch không gian - Spatial Switching (SS) 21 2.2.5 Mạng vô tuyến nhận thức tích hợp SWIPT 22 2.3 Kỹ thuật chuyển tiếp 22 2.3.1 Giới thiệu kỹ thuật chuyển tiếp 22 2.3.2 Kỹ thuật Amplify and Forward - AF 24 2.3.3 Kỹ thuật Decode and Forward - DF 24 2.3.4 So sánh kỹ thuật AF DF 24 2.4 Mơ hình suy hao kênh truyền đa đường 24 2.4.1 Mơ hình fading Lognormal 25 2.4.2 Mơ hình fading Rayleigh 26 2.5 Lý thuyết kênh truyền MIMO 27 2.5.1 MIMO điểm-điểm 27 2.5.2 MIMO đa người dùng (MU-MIMO) 28 2.5.3 Massive MIMO 29 2.6 Lý thuyết toán tối ưu 30 2.6.1 Phương pháp tối ưu lồi 31 2.6.2 Giải thuật tối ưu meta-heuristic 36 2.6.3 Giải thuật cá voi săn mồi tối ưu 38 2.7 Kết luận 43 CHƯƠNG 3.TỐI ƯU DUNG LƯỢNG KÊNH HỆ THỐNG CHUYỂN TIẾP VƠ TUYẾN NHẬN THỨC CĨ THU THẬP NĂNG LƯỢNG 44 3.1 Mơ hình hệ thống 44 3.1.1 Quá trình truyền liệu mạng thứ cấp 45 3.1.2 Can nhiễu từ mạng thứ cấp lên mạng sơ cấp 47 3.2 Bài toán tối ưu hệ thống chuyển tiếp vơ tuyến nhận thức có thu thập lượng 48 3.3 Kết luận 49 vi CHƯƠNG 4.KẾT QUẢ MÔ PHỎNG 50 4.1 Giải pháp tối ưu 50 4.1.1 Lời giải đề xuất 50 4.1.2 Giải thuật lập trình 52 4.2 Kết thực 53 4.2.1 Mơ hình mô 53 4.2.2 Hệ số phạt tối ưu 54 4.2.3 Dung lượng kênh theo công suất phát tối đa 56 4.2.4 Dung lượng kênh theo khoảng cách nút chuyển tiếp 57 4.3 Kết luận 59 CHƯƠNG 5.KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 60 5.1 Kết luận 60 5.2 Hướng phát triển 61 5.2.1 Tối ưu toàn cục 61 5.2.2 Hệ thống SWIPT 62 5.2.3 Mơ hình vơ tuyến nhận thức tổng qt 62 TÀI LIỆU THAM KHẢO 63 vii ❼ Mức ngưỡng tối đa can nhiễu từ mạng thứ cấp lên mạng sơ cấp γth = −30(dBm) ❼ Hệ số chia công suất α = 0.01 ❼ Số symbol truyền từ nút nguồn đến cho SUk dk = ❼ Số anten phát nút nguồn NS ∈ {4, 6} ❼ Số anten phát/thu nút chuyển tiếp NR ∈ {4, 6} ❼ Số anten thu user mạng sơ cấp NP = ❼ Số anten thu user NU = Fitness function with respect to 2.50 Fitness Value 2.25 2.00 1.75 1.50 1.25 1.00 NS = 4, NR = 4, NU = 2, NP = NS = 4, NR = 6, NU = 2, NP = NS = 6, NR = 6, NU = 2, NP = 0.75 -1000000 -100000 -10000 -1000 -100 Hình 4.2: Ảnh hưởng hệ số phạt hàm Fitness Kết mơ tìm hệ số phạt tối ưu thể Hình 4.2 Từ Hình 4.2, thấy giá trị hàm Fitness mơ tả tốn (4.4) cải thiện sau tăng dần hệ số phạt lên Khi hệ số phạt tăng lên đến giá trị µ = −103 , hàm Fitness 55 không tăng lên không đổi giá trị, ví dụ: F itness = 2.5782 với số anten NS = NR = Ta thấy tăng giá trị hệ số phạt lên giá trị hàm Fitness cải thiện dần đạt đến mức ngưỡng đó, ràng buộc can nhiễu tính chất hàm phạt làm giá trị hàm Fitness đạt giá trị không đổi không tăng lên Bài mô tìm hệ số phạt tối ưu điều khiển giá trị hàm Fitness sử dụng cho mô 4.2.3 Dung lượng kênh theo cơng suất phát tối đa Sau tìm hệ số phạt tối ưu,phần mô thứ hai khảo sát thay đổi tốc độ bit thay đổi công suất phát tối đa nút nguồn Pt,s Các thông số mô thiết lập sau: ❼ Mức ngưỡng tối đa can nhiễu từ mạng thứ cấp lên mạng sơ cấp γth = −30(dBm) ❼ Hệ số chia công suất α = 0.01 ❼ Hệ số phạt µi = −103 , ∀1 ≤ i ≤ K ❼ Số symbol truyền từ nút nguồn đến cho SUk dk = ❼ Số anten phát nút nguồn NS ∈ {4, 6} ❼ Số anten phát/thu nút chuyển tiếp NR ∈ {4, 6} ❼ Số anten thu user mạng sơ cấp NP = ❼ Số anten thu user NU = Ta tiến hành khảo sát thay đổi tốc độ bit tối ưu thay đổi công suất phát tối đa từ (dBm) đến 35 (dBm) nút nguồn mạng thứ cấp Theo kết Hình 4.3, mức công suất phát nút nguồn tăng lên, đồng nghĩa với tỷ số SNR hệ thống tăng lên tương ứng, tổng dung lượng kênh hệ thống tăng theo Tại giá trị Pt,s = 10 (dBm), tốc độ bit tối ưu không tăng lên nữa, ví dụ Rk = 1.8907 (bps/Hz) trường hợp số anten NS = NR = Ta thấy tăng giá trị cơng suất phát dung lượng kênh truyền cải thiện qua vòng lặp đạt đến mức ngưỡng đó, ràng buộc can nhiễu 56 Rk with respect to Pts(dBm) (Rk) (bps/Hz) 1.8 1.6 1.4 1.2 1.0 0.8 NS = 4, NR = 4, NU = 2, NP = NS = 4, NR = 6, NU = 2, NP = NS = 6, NR = 6, NU = 2, NP = 10 15 20 Pts(dBm) 25 30 35 Hình 4.3: Ảnh hưởng cơng suất phát nút nguồn với tổng dung lượng kênh hệ thống làm tốc độ bit không tăng lên Đồng thời, tăng số lượng anten phát nút nguồn anten nút chuyển tiếp lên tốc độ bit tối ưu mạng thứ cấp cải thiện đáng kể 4.2.4 Dung lượng kênh theo khoảng cách nút chuyển tiếp Phần mô thứ ba khảo sát thay đổi tốc độ bit thay đổi khoảng cách nút chuyển tiếp mạng thứ cấp Các thông số mô thiết lập sau: ❼ Mức ngưỡng tối đa công suất phát nút nguồn Pt,s = 5(dBm) ❼ Mức ngưỡng tối đa can nhiễu từ mạng thứ cấp lên mạng sơ cấp γth = −30(dBm) ❼ Hệ số chia công suất α = 0.01 57 ❼ Hệ số phạt µi = −103 , ∀1 ≤ i ≤ K ❼ Số symbol truyền từ nút nguồn đến cho SUk dk = ❼ Số anten phát nút nguồn NS ∈ {4, 6} ❼ Số anten phát/thu nút chuyển tiếp NR ∈ {4, 6} ❼ Số anten thu user mạng sơ cấp NP = ❼ Số anten thu user NU = Rk with respect to dsr(m) 2.4 (Rk) (bps/Hz) 2.2 2.0 1.8 1.6 1.4 1.2 NS = 4, NR = 4, NU = 2, NP = NS = 4, NR = 6, NU = 2, NP = NS = 6, NR = 6, NU = 2, NP = 1.0 10 dsr(m) 12 14 16 18 Hình 4.4: Ảnh hưởng vị trí nút chuyển tiếp tổng dung lượng kênh hệ thống Theo kết Hình 4.4, ta tiến hành khảo sát thay đổi tốc độ bit tối ưu thay đổi khoảng cách nút chuyển tiếp mạng thứ cấp Khi tăng số lượng anten phát nút nguồn số anten nút chuyển tiếp lên chất lượng tốc độ bit cải thiện đáng kể Khi nút chuyển tiếp gần trạm gốc, lượng thu thập nút chuyển tiếp nhiều hơn, gia tăng số lượng anten phát riêng trạm gốc chưa cải 58 thiện đáng kể dung lượng kênh hệ thống, cần gia tăng số lượng anten phát trạm gốc số lượng anten nút chuyển tiếp cải thiện đáng kể dung lượng kênh hệ thống Khi nút chuyển tiếp đến gần nút người dùng thứ cấp, thấy dung lượng kênh truyền tăng dần lên xác lập giá trị khoảng cách nút chuyển tiếp nút nguồn ds−r ≥ (m), ví dụ Rk = 2.364 (bps/Hz) trường hợp số anten NS = NR = Mặc dù lượng thu thập từ nút nguồn giảm xuống nút chuyển tiếp di chuyển xa, nhiên khoảng cách nút chuyển tiếp với nút người dùng thứ cấp giảm xuống làm giảm suy hao đường truyền nút chuyển tiếp nút người dùng thứ cấp, nút chuyển tiếp sử dụng kỹ thuật DF nên loại bỏ nhiễu từ nút nguồn, tỉ số tín hiệu nhiễu người dùng tăng lên nhiều nên dung lượng kênh truyền gia tăng cách đáng kể Khi nút chuyển tiếp đến gần nút người dùng thứ cấp, cần gia tăng kích thước anten nút chuyển tiếp làm tăng dung lượng kênh truyền, tăng kích anten nút nguồn làm giảm dung lượng kênh truyền 4.3 Kết luận Trong chương này, kết mơ thể hội tụ thuật tốn WOA áp dụng vào tốn mơ tả chương 3, hệ số phạt tối ưu hàm Fitness, ảnh hưởng công suất phát từ trạm gốc tổng dung lượng kênh tối ưu hệ thống ảnh hưởng vị trí nút chuyển tiếp mạng thứ cấp tổng dung lượng kênh hệ thống 59 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 Kết luận Trong luận văn này, học viên tập trung nghiên cứu xây dựng mơ hình mạng chuyển tiếp vơ tuyến nhận thức có thu thập lượng Học viên áp dụng giải thuật cá voi săn mồi tối ưu để tìm ma trận tiền mã hóa nút nguồn nút chuyển tiếp mạng thứ cấp nhằm tối ưu tốc độ truyền liễu hệ thống để đảm bảo trình truyền liệu không bị lỗi can nhiễu mạng thứ cấp lên mạng sơ cấp nhỏ mức ngưỡng cho phép hệ thống vô tuyến nhận thức dạng Trong [23], mơ hình tối ưu thực gồm nút nguồn, nút chuyển tiếp nút người dùng So với mơ hình thực mơ hình tối ưu luận văn tổng quát mở rộng hơn, triển khai sử dụng kỹ thuật vô tuyến nhận thức dạng nền, mạng sơ cấp gồm người dùng, mạng thứ cấp gồm nút nguồn, nút chuyển tiếp ba nút người dùng Các lý thuyết tối ưu thông số thiết lập q trình mơ tham khảo từ tài liệu khoa học công bố Theo lý thuyết giải thuật tối ưu meta-heuristic, giải thuật cá voi săn mồi tối ưu giải thuật ngẫu nhiên có ưu điểm dễ triển khai thực khơng u sử dụng đạo hàm để tìm lời giải q trình mơ phỏng, nhược điểm phải lựa chọn hệ số phạt hợp lý để đảm bảo chất lượng nghiệm tìm được, tốc độ chạy lâu, cần tối thiểu 100 vòng lặp giải thuật phải chạy thử loại bỏ giá trị sai Các kết mô sở để đánh giá ưu điểm giải thuật WOA chất lượng dung lượng kênh truyền mạng thứ cấp mạng chuyển tiếp vơ tuyến nhận thức có thu thập lượng Theo đó, kết mơ Hình 4.2 khảo sát hội tụ giải thuật WOA để tìm hệ số phạt tối ưu Kết mơ Hình 4.3 khảo sát thay đổi tốc độ bit tối ưu thay đổi công suất phát tối đa nút nguồn mạng thứ cấp Kết mơ Hình 4.4 khảo sát thay đổi tốc độ bit tối ưu thay đổi khoảng cách nút chuyển tiếp mạng thứ cấp Các kết thể hiệu giải thuật WOA trình tìm dung lượng kênh truyền tối ưu mạng chuyển tiếp vơ 60 tuyến nhận thức có thu thập lượng Các nhà thiết kế hệ thống vào kết Hình 4.3 Hình 4.4 để lựa chọn giá trị cơng suất phát trạm gốc khoảng cách nút chuyển tiếp cho phù hợp với mục đích thiết kế Theo kết mơ phỏng, nhà thiết kế cân nhắc hiệu chỉnh tăng kích thước anten nút nguồn nút chuyển tiếp, hiệu chỉnh khoảng cách nút chuyển tiếp mạng thứ cấp cho phù hợp để tăng dung lượng kênh mạng chuyển tiếp vô tuyến nhận thức có thu thập lượng Trên sở đó, kết thu luận văn bao gồm: ❼ Nghiên cứu xây dựng mơ hình mạng chuyển tiếp vơ tuyến nhận thức có thu thập lượng ❼ Phát triển giải thuật tối ưu hoá tốc độ bit người dùng cho mơ hình xây dựng ❼ Hồn thành xây dựng chương trình mơ ngơn ngữ lập trình python để đánh giá kết giải thuật tối ưu xây dựng ❼ Phân tích kết tốc độ bit tối ưu mạng chuyển tiếp vơ tuyến nhận thức có thu thập lượng 5.2 Hướng phát triển Trong luận văn, học viên mô đánh giá nhiều trường hợp khả thi khơng thể tránh khỏi cịn thiếu sót thời gian thực hạn chế, phần nội dung sau trình bày số hướng phát triển tương lai đề tài: 5.2.1 Tối ưu toàn cục Trong khn khổ luận văn, mơ hình hệ thống tối ưu xây dựng toán tối ưu có điều kiện ràng buộc khơng lồi, giải thuật cá voi săn mồi tối ưu đề xuất sử dụng giải thuật tối ưu ngẫu nhiên mô trình săn mồi tối ưu cá voi lưng gù, áp dụng tìm nghiệm cực trị tồn cục hiệu toán tối ưu lồi khơng có điều kiện ràng buộc, tốn thiết kế hệ thống dạng tối ưu phi tuyến khơng lồi có nhiều điều kiện ràng buộc tổng quát giải thuật cá voi săn mồi tối ưu tìm nghiệm cực trị địa phương với tham số 61 cho trước Quá trình tìm nghiệm tối ưu tồn cục khó cho tốn tối ưu phi tuyến khơng lồi việc tìm hướng tiếp cận phù hợp để tìm nghiệm tối ưu tồn cục áp dụng giải thuật tối ưu meta-heuristic khác hướng phát triển quan trọng luận văn 5.2.2 Hệ thống SWIPT Trong luận văn, hệ thống SWIPT sử dụng kỹ thuật để truyền phát thông tin vô tuyến đồng thời kỹ thuật chia công suất Sau số hướng nghiên cứu mở rộng đầy tiềm toán tối ưu hệ thống SWIPT: ❼ Kỹ thuật hệ thống SWIPT: Luận văn tập trung xây dựng mơ hình tối ưu hóa với kỹ thuật chia cơng suất chưa khai thác hết tồn kỹ thuật có hệ thống SWIPT Hướng nghiên cứu mở rộng toán tối ưu với kỹ thuật chuyển mạch theo thời gian, kỹ thuật chuyển mạch Anten kỹ thuật chuyển mạch không gian hệ thống SWIPT hướng phát triển đầy tiềm tương lai ❼ Triển khai giải thuật phần cứng: Phần cứng đóng vai trị quan trọng để hệ thống SWIPT hoạt động với hiệu suất tốt nhất, phát triển phần cứng hệ thống SWIPT tảng để nghiên cứu cân kỹ thuật SWIPT Triển khai toán tối ưu phần cứng thực tế giúp cho việc đánh giá hiệu hệ thống trở nên hiệu 5.2.3 Mơ hình vơ tuyến nhận thức tổng qt Mơ hình nghiên cứu luận văn dựa giả định sử dụng kỹ thuật vô tuyến nhận thức dạng (underlay cognitive) Việc mở rộng toán cho kỹ thuật vô tuyến nhận thức dạng chồng chập (overlay cognitive) đan xen (interweave cognitive) đảm bảo cho việc ứng dụng mơ hình vào thực tiễn trở nên tồn diện hiệu Bên cạnh đó, q trình phân bổ tối ưu hóa hiệu suất phổ hiệu suất lượng có vai trị quan trọng mạng vơ tuyến nhận thức Chúng có vai trò quan trọng việc quản lý tài nguyên triệt nhiễu Hướng thiết kế giải thuật tối ưu hiệu suất phổ hiệu suất lượng mạng chuyển tiếp vô tuyến nhận thức hướng nghiên cứu nhiều tiềm quan trọng cịn có nhiều thách thức 62 TÀI LIỆU THAM KHẢO Danh mục tài liệu: [1] S Adhirai, R P Mahapatra, and Paramjit Singh (2018), “The Whale Optimization Algorithm and Its Implementation in MATLAB”, International Journal of Information, Control and Computer Sciences, 11.0 (10), doi: 10 5281/zenodo.1474743, url: https://doi.org/10.5281/zenodo.1474743 [2] Bilal Alatas (2011), “ACROA: Artificial Chemical Reaction Optimization Algorithm for global optimization”, Expert Systems with Applications, 38 (10), pp 13170–13180, issn: 0957-4174, doi: https : / / doi org / 10 1016 / j eswa 2011 04 126, url: http : / / www sciencedirect com / science / article/pii/S0957417411006531 [3] Aaron Carroll and Gernot Heiser, “An analysis of power consumption in a smartphone”, in: Proc 2010 USENIX Annu Tech Conf USENIX ATC 2010, CA, USA: Berkeley, 2019, pp 271–284, isbn: 9781931971751 [4] Carlos Cordeiro et al., “IEEE 802.22: The first worldwide wireless standard based on cognitive radios”, in: 2005 1st IEEE International Symposium on New Frontiers in Dynamic Spectrum Access Networks, DySPAN 2005, Nov 2005, pp 328–337, isbn: 1424400139, doi: 10.1109/DYSPAN.2005.1542649 [5] M Dorigo, M Birattari, and T Stutzle (2006), “Ant colony optimization”, IEEE Computational Intelligence Magazine, (4), pp 28–39, issn: 15566048, doi: 10.1109/MCI.2006.329691 [6] Ericcson (2019), “Ericsson Mobility Report”, Ericsson, (November), p 36 [7] Zong Woo Geem, Joong Hoon Kim, and G V Loganathan (2001), “A New Heuristic Optimization Algorithm: Harmony Search”, Simulation, 76 (2), pp 60–68, issn: 00375497, doi: 10.1177/003754970107600201 63 [8] Jeremy A Goldborgen et al (2013), “Integrative approaches to the study of baleen whale diving behavior feeding performance, and foraging ecology”, eng, Bioscience, 63 (2), pp 90–100, issn: 15253244, 00063568, doi: 10.1525/ bio.2013.63.2.5 [9] Andrea Goldsmith (2005), Wireless communications, vol 9780521837163, Cambridge University Press, pp 1–644, isbn: 9780511841224, doi: 10.1017/ CBO9780511841224 [10] Andrea Goldsmith et al (2009), “Breaking spectrum gridlock with cognitive radios: An information theoretic perspective”, Proc IEEE, 97 (5), pp 894– 914, issn: 00189219, doi: 10.1109/JPROC.2009.2015717 [11] Shiqi Gong et al (2017), “Energy Efficient Transmission in Multi-User MIMO Relay Channels with Perfect and Imperfect Channel State Information”, IEEE Trans Wirel Commun., 16 (6), pp 3885–3898, issn: 15361276, doi: 10.1109/TWC.2017.2689769 [12] Pulkit Grover and Anant Sahai, “Shannon meets tesla: Wireless information and power transfer”, in: IEEE Int Symp Inf Theory - Proc TX, USA: Austin, June 2010, pp 2363–2367, isbn: 9781424469604, doi: 10 1109 / ISIT.2010.5513714 [13] Ziaul Hasan, Hamidreza Boostanimehr, and Vijay K Bhargava (2011), “Green cellular networks: A survey, some research issues and challenges”, IEEE Commun Surv Tutorials, 13 (4), pp 524–540, issn: 1553877X, doi: 10.1109/ SURV.2011.092311.00031, arXiv: 1108.5493 [14] S Haykin (2005), “Cognitive radio: brain-empowered wireless communications”, IEEE Journal on Selected Areas in Communications, 23 (2), pp 201– 220, issn: 1558-0008, doi: 10.1109/JSAC.2004.839380 [15] Marc Hesse et al., “Towards a comprehensive power consumption model for wireless sensor nodes”, in: BSN 2016 - 13th Annu Body Sens Networks Conf June 2016, pp 390–395, isbn: 9781509030873, doi: 10 1109 / BSN 2016 7516293 64 [16] Patrick Hof and Estel Gucht (2007), “Structure of the cerebral cortex of the humpback whale, Megaptera novaeangliae (Cetacea, Mysticeti, Balaenopteridae)”, Anatomical record (Hoboken, N.J : 2007), 290, pp 1–31, doi: 10 1002/ar.20407 [17] Karen Kafadar et al (1997), Encyclopedia of Statistical Sciences 2nd, vol 92, 440, Wiley-Interscience, p 1653, isbn: 0471150444,9780471150442, doi: 10 2307/2965452 [18] Kalyanmoy and Deb (2001), Multi-Objective Optimization Using Evolutionary Algorithms, John Wiley amp; Sons, Inc., USA, isbn: 047187339X [19] A Kaveh and A Kaveh, “Colliding Bodies Optimization”, in: Advances in Metaheuristic Algorithms for Optimal Design of Structures, 2014, pp 195– 232, isbn: 978-3-319-05548-0, doi: 10.1007/978-3-319-05549-7_7 [20] J Kennedy and R Eberhart, “Particle swarm optimization”, in: Proceedings of ICNN’95 - International Conference on Neural Networks, vol 4, Nov 1995, 1942–1948 vol.4, doi: 10.1109/ICNN.1995.488968 [21] Ha Hoang Kha, Tung Thanh Vu, and Tuan Do-Hong (2017), “Energy-efficient transceiver designs for multiuser MIMO cognitive radio networks via interference alignment”, Telecommunication Systems, 66 (3), pp 469–480, issn: 15729451, doi: 10.1007/s11235-017-0300-9, url: https://doi.org/10 1007/s11235-017-0300-9 [22] Ioannis Krikidis et al (2014), “A low complexity antenna switching for joint wireless information and energy transfer in MIMO relay channels”, IEEE Trans Commun., 62 (5), pp 1577–1587, issn: 00906778, doi: 10 1109 / TCOMM.2014.032914.130722 [23] Bin Li et al (2019), “Transceiver Optimization for DF MIMO Relay Systems with a Wireless Powered Relay Node”, IEEE Access, 7, pp 56904–56919, issn: 21693536, doi: 10.1109/ACCESS.2019.2914020 [24] Thomas L Marzetta et al (2016), Fundamentals of Massive MIMO, Cambridge University Press, doi: 10.1017/cbo9781316799895 65 [25] Seyedali Mirjalili and Andrew Lewis (2016), “The Whale Optimization Algorithm”, Advances in Engineering Software, 95, pp 51–67, issn: 0965-9978, doi: https://doi.org/10.1016/j.advengsoft.2016.01.008, url: http: //www.sciencedirect.com/science/article/pii/S0965997816300163 [26] Thieu Nguyen, A collection of the state-of-the-art MEta-heuristics ALgorithms in PYthon: Mealpy, 2020, doi: 10 5281 / zenodo 3711948, url: https://doi.org/10.5281/zenodo.3711948 [27] Thieu Nguyen et al (2019), “Efficient Time-Series Forecasting Using Neural Network and Opposition-Based Coral Reefs Optimization”, International Journal of Computational Intelligence Systems, 12 (2), pp 1144–1161 [28] Vilaskumar M Patil and Siddarama R Patil (2016), “A survey on spectrum sensing algorithms for cognitive radio”, 2016 Int Conf Adv Hum Mach Interact HMI 2016, 11 (1), pp 149–153, issn: 1553-877X, doi: 10.1109/ HMI.2016.7449196 [29] Quoc Viet Pham et al (2020), “Whale Optimization Algorithm with Applications to Resource Allocation in Wireless Networks”, IEEE Trans Veh Technol., 69 (4), pp 4285–4297, issn: 19399359, doi: 10.1109/TVT.2020 2973294 [30] Nicola Piovesan et al (2018), “Energy sustainable paradigms and methods for future mobile networks: A survey”, Computer Communications, 119, pp 101– 117, issn: 0140-3664, doi: 10.1016/j.comcom.2018.01.005, url: http: //dx.doi.org/10.1016/j.comcom.2018.01.005 [31] Tharindu D Ponnimbaduge Perera et al (2018), “Simultaneous Wireless Information and Power Transfer (SWIPT): Recent Advances and Future Challenges”, IEEE Communications Surveys and Tutorials, 20 (1), pp 264–302, issn: 1553877X, doi: 10.1109/COMST.2017.2783901 [32] Thomas P Runarsson and Xin Yao (2000), “Stochastic ranking for constrained evolutionary optimization”, IEEE Transactions on Evolutionary Computation, (3), pp 284–294, issn: 1089778X, doi: 10.1109/4235.873238 66 [33] Ayman Sabbah, “Dynamic Spectrum Allocation for Cognitive Radio Networks: A Comprehensive Optimization Approach”, in: 2015, p 136, url: http://qspace.library.queensu.ca/jspui/bitstream/1974/13804/1/ Sabbah%7B%5C_%7DAyman%7B%5C_%7D201510%7B%5C_%7DPhD.pdf [34] Andrew Sendonaris, Elza Erkip, and Behnaam Aazhang (2003), “User Cooperation Diversity - Part I: System Description”, IEEE Trans Commun., 51 (11), pp 1927–1938, issn: 00906778, doi: 10.1109/TCOMM.2003.818096 [35] Andrew Sendonaris, Elza Erkip, and Behnaam Aazhang (2003), “User Cooperation Diversity - Part II: Implementation Aspects and Performance Analysis”, IEEE Trans Commun., 51 (11), pp 1939–1948, issn: 00906778, doi: 10.1109/TCOMM.2003.819238 [36] Changick Song et al (2014), “MIMO broadcasting for simultaneous wireless information and power transfer: Weighted MMSE approaches”, 2014 IEEE Globecom Work GC Wkshps 2014, 12, pp 1151–1156, doi: 10.1109/ GLOCOMW.2014.7063588 [37] Hongjian Sun et al (2012), “Relaying technologies for smart grid communications”, IEEE Wireless Communications, 19 (6), pp 52–59, issn: 1558-0687, doi: 10.1109/mwc.2012.6393518, url: http://dx.doi.org/10.1109/ MWC.2012.6393518 [38] Ying Tan and Yuanchun Zhu, “Fireworks algorithm for optimization”, in: Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol 6145 LNCS, PART 1, 2010, pp 355–364, isbn: 3642134947, doi: 10.1007/978-3-64213495-1_44 [39] Vu Huu Tiep, tiepvupsu/ebookMLCB, original-date: 2020-01-03T05:15:12Z, July 2020, url: https://github.com/tiepvupsu/ebookMLCB (visited on 07/27/2020) [40] Stelios Timotheou and Ioannis Krikidis, “Joint information and energy transfer in the spatial domain with channel estimation error”, in: 2013 IEEE Online Conf Green Commun OnlineGreenComm 2013, Oct 2013, pp 115–120, isbn: 9781479903542, doi: 10.1109/OnlineGreenCom.2013.6731038 67 [41] Yung Lan Tseng (2015), “LTE-advanced enhancement for vehicular communication”, IEEE Wireless Communications, 22 (6), pp 4–7, issn: 15361284, doi: 10.1109/MWC.2015.7368815 [42] Lav R Varshney, “Transporting information and energy simultaneously”, in: IEEE Int Symp Inf Theory - Proc July 2008, pp 1612–1616, isbn: 9781424422579, doi: 10.1109/ISIT.2008.4595260 [43] Chirag Verma and Dr Surbhi Sharma (2015), “Distributed Spectral Access and Energy Efficient Cognitive Radio System”, International Journal for Innovative Research in Science and Technology, (4), pp 36–41, url: http: //www.ijirst.org/articles/IJIRSTV2I4012.pdf [44] Barry Webster and Philip J Bernhard, “A local search optimization algorithm based on natural principles of gravitation”, in: Proceedings of the International Conference on Information and Knowledge Engineering, vol 1, 2003, pp 255–261, isbn: 1932415076 [45] Rui Zhang and Chin Keong Ho (2013), “MIMO broadcasting for simultaneous wireless information and power transfer”, IEEE Transactions on Wireless Communications, 12 (5), pp 1989–2001, issn: 15361276, doi: 10.1109/TWC 2013.031813.120224, arXiv: 1105.4999 [46] Kan Zheng et al (2015), “Survey of Large-Scale MIMO Systems”, IEEE Commun Surv Tutorials, 17 (3), pp 1738–1760, issn: 1553877X, doi: 10.1109/ COMST.2015.2425294 68 PHẦN LÝ LỊCH TRÍCH NGANG Họ tên: Nguyễn Đôn Ngày, tháng, năm sinh: 27/04/1995 Nơi sinh: Nha Trang, Khánh Hòa Địa liên lạc: 305/4/3 đường Lê Hồng Phong, Phường Phước Long, TP.Nha Trang, Tỉnh Khánh Hòa QUÁ TRÌNH ĐÀO TẠO ❼ Tháng năm 2013 đến tháng năm 2018: Sinh viên chương trình kỹ sư tài Điện tử - Viễn Thông khoa Điện-Điện Tử, Đại học Bách Khoa TP.Hồ Chí Minh ❼ Tháng năm 2018: Tốt nghiệp kỹ sư tài Đại học Bách Khoa TP.Hồ Chí Minh, chuyên ngành Điện tử - Viễn thông ❼ Tháng năm 2018 đến nay: Học viên cao học chương trình thạc sĩ ứng dụng, chuyên ngành Kỹ thuật Viễn Thông, Đại học Bách Khoa TP.Hồ Chí Minh Trong thời gian trên, tơi tham gia số dự án công ty phần mềm để áp dụng kiến thức chuyên môn vào thực tiễn nâng cao trình độ làm việc Q TRÌNH CƠNG TÁC ❼ Từ tháng năm 2018 đến tháng 12 năm 2018: Công tác công ty TNHH Alinco Electronics Việt Nam, vị trí Kỹ sư Lập Trình Nhúng Xử Lý Số Tín Hiệu ❼ Từ tháng năm 2019 đến tháng năm 2020: Công tác công ty TNHH Giải Pháp Phần Mềm Tường Minh, vị trí Kỹ sư Kiểm Tra Chất Lượng Phần Mềm Thiết Bị Nhúng Trong q trình cơng tác tơi có tham gia dự án: ❼ Thiết kế lọc, điều chế giải điều chế loại tín hiệu số thiết bị nhúng máy đàm ❼ Kiểm thử tính năng, chất lượng hoạt động thiết bị bluetooth, vệ tinh, thiết bị sử dụng sóng vơ tuyến ❼ Phát triển phần mềm theo mơ hình Agile, Waterfall, Devops ... 11 chuyển tiếp vơ tuyến nhận thức có thu thập lượng gồm phần trình bày sau: ❼ Nghiên cứu đề xuất mơ hình mạng vơ tuyến nhận thức (CR), kỹ thu? ??t chuyển tiếp, kỹ thu? ??t thu thập lượng, ❼ Xây dựng... cứu mạng chuyển tiếp vô tuyến nhận thức có thu thập lượng Chương 2: Cơ sở lý thuyết Chương trình bày tất lý thuyết liên quan đến nội dung trình bày luận văn gồm có: ❼ Mạng vơ tuyến nhận thức. .. đa đường ❼ Giao thức xử lý tín hiệu nút chuyển tiếp ❼ Hệ thống vô tuyến nhận thức ❼ Kỹ thu? ??t sử dụng hệ thống SWIPT Phạm vi nghiên cứu: Mạng vô tuyến nhận thức, kỹ thu? ??t chuyển tiếp, tối ưu hố